Cursorの活用事例

副業で受けた開発案件に時間がかかりすぎ、報酬に対して実質の時給が下がっていた。

ツールを1つに絞ると得意でない工程で手が止まる。

1. 案件を4タイプに分けて使うツールを先に決める
2. 既存コードの修正はGitHub Copilotの補完提案をそのまま試す
3. 小規模サイトはCursorで骨組みだけ手書きし残りを生成させる
4. 中規模アプリはClaudeに画面構成とAPI設計とDB設計を出させる
5. 要望があいまいな案件はClaudeで機能候補と優先順位を整理する

ポートフォリオサイト制作は8時間で終わり、所要時間が60%削減された。

中規模アプリ開発は約120時間で、所要時間が40%削減された。

MCPサーバーを増やした結果、認証トークンやCookieの期限切れ、ローカルサーバーの停止に気づけなくなった。

タスクを頼んだ途中で止まり、原因の切り分けに手間がかかっていた。

1. GA4など8種類以上のMCPサーバーを1つの設定ファイルにまとめる
2. 認証方式を4つに分け鍵の置き場所とログイン手順を決める
3. 作業開始時に各MCPの状態確認を1行のプロンプトで頼む
4. 副作用のない確認用ツールを順に呼び生死を一覧で返させる
5. 落ちていたものだけ人が再ログインやOAuthを取り直す

作業の途中でトークン切れによって止まる失敗がなくなった。

どのMCPが落ちたかがすぐ分かるため、再認証は1分以内で終わるようになった。

細かいバグ修正でも、エージェントに依頼して修正内容を読み、手元で画面を立ち上げて確認しPRを書くまでを毎回自分でやっていた。

実装自体はAIだけで終わる場面が多く、この一連の作業が手間になっていた。

1. CursorのダッシュボードでGitHub・Slack・NotionのMCPをつなぐ
2. environment.jsonとセットアップスクリプトの作成をエージェントに頼む
3. 依存導入と開発サーバー起動まで確認済みのPRをマージする
4. Automationのトリガーを公開チャンネルの絵文字リアクションに設定する
5. 指示文を前半は原因特定と修正、後半は検証と返信に分けて書く

修正ごとにブランチを取得して自分の環境で症状を確かめる手間がなくなった。

細かいバグへの対応がかなり速く回るようになり、動作確認の動画もPRに残る。

上位プランや無制限課金を並行して契約すると月3万〜5万円まで膨らみ、かといって無料枠だけでは上限にすぐ当たって手が止まっていた。

1. ChatGPTに雑なアイデアを渡し要件定義とタスク分解をさせる
2. 結果をspecs配下のMarkdownとしてローカルに置く
3. そのファイルをAntigravity無料枠に読ませ生成やGit操作を自律実行させる
4. Cursorのインライン補完でコードを仕上げGitHubへ送る
5. PR差分とテストログをClaudeに投げ分析とリリースノートを任せる

月額は合計で約9,000円〜10,000円に収まり、上位プランをまとめて契約した場合の約30,000円〜50,000円と比べて安く済んだ。

役割を4つに分けたことで一つのツールが制限に達しても作業が止まらなくなった。

パッケージ時代から続く仕様書中心の開発の流れが残り、実装後に仕様書を書き直す手戻りも多かった。

AIを入れただけでは人の進め方が足かせになっていた。

1. 全社で使えるGeminiを土台に置く
2. 用途ごとにCursorやClaude Codeを使い分ける
3. 人が要求と制約を渡し設計から実装までAIに任せる
4. 仕様書をMarkdownに直しGitHubでまとめる
5. AIの実装を人が直しその成果物からAIに文書を作らせる

対象の開発案件で見積工数が約5分の1まで減った。

AIを使った開発手法のワークショップでは3日間でプロトタイプまで仕上がった。

あったらいいと思うアプリを自分で形にしたかったが、プログラミングの経験がまったく無かった。

生配信の視聴者参加企画を回す仕組みも、既製のサービスでは用意できなかった。

1. ChatGPTにコードを書かせNode.jsのプログラムを作った
2. 直しは部分修正でなく全文を書き直させて進めた
3. CursorとGitHubとVercelの開発手順を教わった
4. 移動中にスマホで仕様をMarkdownにまとめた
5. 帰宅後に仕様書をAIへ読ませClaude Codeで開発した

Xへの購入報告や応援ポストの数に応じて衣装や映像素材が使えるようになる仕組みと、元のMVとの再現度をAIが採点する機能を組み込み、2026年7月31日の約10時間の生配信で動かした。

Claude Codeを使い始めてから開発の速さが大きく上がった。

部門ごとに別のツールで情報を管理していたため必要な資料を探すのに手間がかかっていた。

新機能の告知文は送る先ごとに書き分ける必要があり作成に時間を取られていた。

1. 2025年5月にNotionを全社へ入れて情報を一か所にまとめた
2. リリース情報に決まったプロンプトを当てて告知文を作る
3. 日本語と英語で4種類の告知文を同時に作る
4. ユーザーインタビューはAIミーティングノートでまとめる
5. 集めた要望をCursorに読ませPRD前の整理に使う

約3時間かかっていた告知文の作成が30分で終わるようになった。

ビジネス部門が自分で情報を見られるようになり開発部門への問い合わせは半減した。

文言の修正ひとつでもエンジニアが環境を用意してブランチを切り、プルリクエストを出しCIの失敗を直す必要があり時間が取られていた。

非エンジニアは環境構築でつまずき、そのたびにエンジニアが手を止めていた。

1. SlackにDevinを常駐させ対象リポジトリを伝える
2. 直したい内容を文章と画面キャプチャで渡す
3. 作業プランを確認してから実装に進ませる
4. 変更部分を引用して追加指示しCIが通るまで直させる
5. 一次レビューはCodeRabbitやGitHubの機能に任せる

機能追加やバグ修正、UI改善、ドキュメント更新まで幅広く任せられるようになった。

デザイナーやPMも自分で文言修正を出せるようになり、エンジニアはより複雑な仕事に時間を回せるようになった。

2023年からGitHub Copilotを全エンジニアに配ってきたが、さらに開発の速さと質を上げるには使う範囲を広げる必要があった。

1. 2025年8月に全エンジニアへ開発AIエージェントを配った。
2. 仕様づくりから設計やコーディングやコードレビューまで任せる。
3. エンジニアの採用管理や仕事の進み具合の把握にも使う。
4. 誰がどれだけ貢献したかを見える形にする。
5. 導入の前に複数のサービスを試し開発量が伸びたものを選んだ。

試した段階で開発量が伸びる手応えを得たため本格導入に踏み切った。

コーディング以外の管理の仕事も含めて開発組織全体の底上げを狙う。

生成AIを全員が使える組織にしたかったが、社内で使う人と使い方が揃っていなかった。

1. 2025年2月にAI推進のプロジェクトチームを作った
2. ツールの導入と使い方のルールを整えた
3. 開発部門はDevinやCursorにテストコードを書かせた
4. 営業は商談内容を自動で記録させ海外拠点は一次翻訳を任せた
5. バックオフィスはNotebookLMで社内問い合わせに答えるbotを作った

従業員の生成AI利用率が100%になり、82.9%がほぼ毎日使うようになった。

72.9%が1日30分以上の時短を挙げ、全社で16.5%の業務削減を見込む。

約10万点ある商品の中から担当者が手で候補を探し提案用のPowerPointを1件ずつ作っていた。

1件に数時間かかり年50件しか提案を出せなかった。

1. チャットのエージェントが商品の種類・単価・テーマ・顧客名を聞き取る
2. 確定するとn8nのワークフローが動きCRMと過去の提案も参照する
3. GPTとコードのノードがSQLを組み立て約10万点から候補を絞る
4. 選んだ商品画像をNano Bananaへ渡しテーマに合わせた画像を作る
5. Googleスライドのひな形を複製し価格と説明と画像を差し込む

提案書を作る時間が数時間から数分に減った。

年50件が限界だった提案の数は10倍近くまで増えた。